Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

ForestFireAI: Large-scale Prediction of Forest Fire Drivers from Space Using Multi-source Remote Sensing Data and Artificial Intelligence Techniques

Descripción del proyecto

Inteligencia artificial para descubrir las causas de los incendios forestales

Comprender las causas del aumento de los incendios forestales es esencial para una gestión eficaz del riesgo regional. Aunque los avances en la vigilancia por satélite proporcionan mapas precisos de los incendios, no revelan las causas subyacentes, lo que deja mucho potencial en gran medida sin explotar. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto ForestFireAI utilizará datos de observación de la Tierra de diversas fuentes y multitemporales para desarrollar algoritmos de inteligencia artificial (IA) que permitan estimar las causas de los incendios forestales. Creará un conjunto de datos de referencia sobre los factores desencadenantes de los incendios forestales en Europa, que servirá de base para evaluar estos algoritmos. En el proyecto se mejorará la resolución espacial y la precisión temporal mediante técnicas de IA, al tiempo que se establecerán métodos eficientes para identificar los factores desencadenantes como las actividades humanas, las altas temperaturas, la disponibilidad de combustible y la sequedad.

Objetivo

With the increasing frequency and intensity of forest fires, it is essential to better understand the drivers causing them. Identifying forest fire drivers offer valuable insights that can enhance our comprehension of forest fire variability and guide targeted regional risk management strategies. Recent advancements in satellite remote sensing and machine learning data processing techniques have significantly improved fire monitoring. However, while these efforts have resulted in accurate fire maps, they do not provide information about the underlying causes. Consequently, the full potential of Earth Observation data, along with advanced data processing and modelling techniques for studying the forest fire drivers, remains largely unexplored. The ForestFireAI project aims to leverage the availability of multi-source and multi-temporal Earth Observation data to propose new AI algorithms for estimating forest fire drivers. This includes creating a benchmark dataset of forest fire drivers in Europe, which will serve as a ground truth data for evaluating developed advanced AI algorithms. Moreover, the project will focus on developing AI techniques to improve the spatial resolution of data, use multi-source data and their temporal resolution, and establish efficient processing schemes for detecting forest fire drivers, such as human activities, high temperature, fuel, and dryness. To ensure the reliability, efficiency, and scalability of the developed algorithms, uncertainty-aware, explainable, and hybrid physical/data-driven techniques will be incorporated. Through this multidisciplinary approach—bringing together expertise in remote sensing, computer science, and forest ecology—ForestFireAI will take important steps toward developing the algorithms necessary for better understanding forest fire drivers. This knowledge could contribute in reducing the risk of extreme forest fires and will accelerate the advancement of Dr Benyamin Hosseiny’s research.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) HORIZON-MSCA-2024-PF-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

THE UNIVERSITY OF EXETER
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 260 347,92
Dirección
THE QUEEN'S DRIVE NORTHCOTE HOUSE
EX4 4QJ Exeter
Reino Unido

Ver en el mapa

Región
South West (England) Devon Devon CC
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

Sin datos
Mi folleto 0 0